控制工程网首页  |  产品  |  在线研讨会  |  视频  |  空间  |  论坛  |  博客  

社区公告

物联网与自动化一脉相承,本社区从工业控制和自动化的角度解读物联网产业的发展,向您介绍最新动态、技术和应用。欢迎您加入社区第一时间得到社区更新。
您所在的位置:首页 > 产业动态
  • 制造企业如何实施基于云的分析?
  • 发布时间:2020-10-09 来源:控制工程网
  •   云计算是存储和分析大数据的关键推动力,这已成为制造企业的共识。即使在几年前,如此庞大的数据似乎还是无法想象的。由于很多企业想通过更好地利用财务、客户、供应链和运营数据,来提高运营效率并创建新的业务模式,从而完成其数字化转型战略,所以理解这点很重要。
      现在,如果生产制造企业的过程工程师还没有使用基于云的分析工具,那很有可能其它部门已经在使用。例如,人事部门正在使用软件来分析员工数据,销售和市场部门的分析人员可能正在研究对特定产品和服务的需求。尽管这些程序被认为是生产或商业智能应用,但它们是大多数公司基于云的分析的切入点。
      为了实施数字化转型策略,基于云的分析技术(即应用程序、工具和技术部署在云端而不是在本地部署)的兴起,使企业能够快速获得数据洞察力。由于云计算资源具有几乎无限的可扩展性,可以迅速洞察更多不同类型的数据,从而简化该过程。这使员工能够近乎实时地解决越来越多的复杂业务挑战。
      定义基于云的分析
      基于云的分析是一个广义术语,指的是多层计算功能。首先是底层的云基础设施,即操作系统和硬件层,这是在云中托管数据和应用所需的。在该基础设施之上是数据管理层,在云服务或数据湖中,存储着各种类型的数据,包括结构化和非结构化的文本数据、视频数据和流式物联网数据。分析层的应用程序利用这些数据进行计算,为可视化层提供趋势、报告、仪表盘和其他见解所需的信息。
      传统上,制造业中的分析是在工厂内部完成的,将历史数据和电子表格相结合,结果可用于工厂的临时诊断、预测或运行仪表板。但是随着基于云的分析的优势的出现,这种情况正在发生变化。
      探索新型分析的能力
      部署在云中的应用程序,受益于云的核心功能。首先是云的租赁模式与硬件和基础架构相关的资本成本。企业的信息技术(IT)部门,不必再购买和维护昂贵的服务器来托管这些应用程序,从而转变为按需付费的模式,可以按需分配计算资源。
      举个例子:一家网上商店,在出现云之前,该零售商必须购买足够的服务器来处理网站流量,以应对高峰时期的“爆炸性”需求,但在当年剩余的时间里,不得不保持闲置状态。
      在工业环境中,主题专家(SME)利用新的分析工具来加强对运营数据的了解,因此需要更大的灵活性。主题专家可能希望分析新的数据源,例如运营数据和情境数据,企业可能需要向更多的主题专家和其他用户提供分析工具,以便更好地进行协作和决策。

    图1:云使数据可用于高级分析应用程序中的机器学习算法。本文图片来源:Seeq

      采用云的另一个驱动因素,是探索新型分析的能力,例如将历史和接近实时的过程数据用于机器学习(图1)。很多制造商希望利用这些以及其它高级功能来提高产品质量,预测最佳维护时段以防止计划外停机,但它们并不想在其实时控制系统中运行机器学习模型。将运营数据复制到云后,即可用于机器学习,从而能够探索新的分析模型,而又不会影响源生产数据或依赖该数据的任何现有应用程序。
      基于云的分析可以轻松打破数据孤岛,这样无论数据来自哪里,用户都可以访问和连接数据。一旦这些孤岛通过云连接起来,主题专家和其他用户便可以将分析扩展到全球各地,并创建全球运营报告,以确保实现最佳的业务决策(图2)。

    图2:不同部门的员工都可以在全球范围内访问基于云的数据和分析。

      云分析入门
      实施基于云的分析时,请务必从最终应用开始。很多能源和制造企业经常花费大量的时间规划,如何将数据和应用程序迁移到云中,但在数据迁移完成后,却又会问:“现在该怎么办?”。在云端数据湖中移动或聚合数据,并不能使其更有价值;这只是实施全面数据分析策略的一个步骤。
      避免此结果的最可靠方法,是确保主题专家尽早参与到分析项目中去。只有那些拥有深厚的过程专业知识,并了解在更广泛的运行过程中各个部门独特影响的专业人员,才能确保该数据带来洞察力和生产力。为主题专家提供的相关性更强、更易于使用、更灵活的分析应用程序越多,实现投资回报就越快。
      在运营数据和云计算模型中要注意的一点是,IT团队必须抵制住一种诱惑,在将云分析应用程序连接到数据之前,不要汇总云中的过程数据或应用业务规则。汇总数据时,没有资产或过程知识的人,会预先猜测主题专家可能会感兴趣的事物,这可能会减少其潜在影响。最佳实践是将所有数据以其原始格式存储,以便主题专家在分析时就修改哪里以及如何修改做出决策(例如,数据清理以及访问任何数据集以进行调查和模型开发)。
      连接新的数据源
      一家拥有50多个运营站点的能源公司,分布在一个地理上非常广阔的区域范围内。最初,该公司在某个站点聘用6名工程师,成功地实施了基于云的分析。这些工程师一开始确定了3个用例:资产完整性监视和性能趋势、预测性维护和生产预测。
      在随后的90天里,该团队扩展到10多个站点的50多名工程师。他们使用这些用例,通过共享的云部署和协作功能来连接新的数据源。这释放了工程师的创造力,使他们可以找到更多用例,来获得洞察并改善资产可用性和生产效率(图3)。

    图3:主题专家可使用Seeq直接与感兴趣的数据进行交互并获得洞察力。

      从小规模应用开始试点,并利用云来快速扩展分析,使得项目运营者可以衡量业务影响,建立业务案例以吸引更多用户和站点参与。
      下一步,该公司计划从远程站点连接其它物联网数据,需要牢记两个关键因素,即网络延迟和分析性能。用户不会使用性能低下和延迟过多的笨拙分析工具,因此必须考虑这些因素。在实施云之前,这些远程站点的报告一般是离线手动完成的。
      为了解决这些问题,该公司正在使用具有边缘分析功能的混合云方法。该方法是在边缘或数据源附近配置计算和分析资源,并在网络可用时将结果传输到云端。
      制造业仍处于基于云的分析的初始阶段,但学习热潮正在兴起。企业必须将主题专家放在任何分析工作的中心,并且可以扩大和缩小云引用的规模,来连接数据孤岛。必须保持原始数据的完整,以确保分析和洞察具有灵活性。还必须确保团队和站点之间的协作,以实现投资回报并扩大潜在的业务影响。将适合的高级分析软件与大多数企业使用的云平台相结合,将有助于提高运营效率。 (作者:Megan Buntain)

物联网专家

>> 更多
  • 倪光南
    中国工程院院士,科学院计算所研究员,中国中文信息学会理事长
  • 姚建铨
    中国科学院院士,指出中国物联网还处在初级阶段水平较低
  • 邬贺铨

    中国工程院院士,光纤传送网与宽带信息网权威专家

  • 王志良
    北京科技大学物联网系主任,北京市物联网首席科学家